公开(公告)号：KR1019990053172A

公开(公告)日：1999-07-15

申请号：KR1019970072763

申请日：1997-12-23

Applicant: 한국전자통신연구원

Inventor： 이상미 ,  정성환 ,  배희정

IPC: H04N9/00

Abstract: 본 발명은 칼라 특징 벡터를 이용한 영상정보 검색방법에 관한 것이다.
본 발명에서는 간략화된 칼라 특징 벡터를 이용한 영상정보 검색 기법을 제안한다. 칼라 정보를 이용한 영상 검색을 위하여, 영상이 처음부터 갖고 있는 R, G, B(빨간색, 초록색, 파란색)로부터 색조(H), 채도(S), 조도(I)값으로 변환하여 각각 16,2,2의 값으로 간단하게 양자화한다. 영상의 국부적 특성을 고려하기 위하여 부블럭으로 나누었다. 또한, 기존의 연구에서는 H,S,I 각각에서 똑같이 3개씩의 특징 벡터를 추출하여 전체로 9개의 특징 벡터를 비교하였으나, 처리 속도를 높이기 위하여 인식에 중요한 H에는 더 높은 가중치를 부여해서 H는 3개, S및 I는 각 1개씩의 특징 벡터를 추출하도록 한다. 칼라 특징 벡터로부터 칼라 부류 코드를 생성하여 영상 데이터베이스에 있는 대상 영성들의 칼라 부류 코드와 비교하여 질의 영상에 해당하는 결과 영상을 출력한다.

公开(公告)号：KR100263536B1

公开(公告)日：2000-08-01

申请号：KR1019970072763

申请日：1997-12-23

Applicant: 한국전자통신연구원

Inventor： 이상미 ,  정성환 ,  배희정

IPC: H04N9/00

Abstract: PURPOSE: An image information searching method using a color feature vector is provided to obtain H,S,I images from R,G,B images to extract small number of feature vectors while reflecting the local feature of the image to accelerate the image searching with improved accuracy. CONSTITUTION: The image information searching method using the color feature vector includes following steps. At first, a quality image is input. The color information of the input image is converted to Hue, Saturation and Intensity and the result is quantized. Then, the overall image is divided into predetermined size sub blocks. A mean, variation and asymmetrical distribution of the image divided into sub blocks are obtained. A clock feature vector for each sub block is obtained and the color feature vector is stored repeatedly corresponding to the number of divided sub blocks. All of the color characteristic vector are delivered into a classifier and a color classification code is generated. The image is compared with the images in a database by using the color classification code and a result image corresponding to a quality image is output.

Abstract translation: 目的：提供一种使用颜色特征向量的图像信息搜索方法，以从R，G，B图像获得H，S，I图像，以提取少量特征向量，同时反映图像的局部特征，以加速图像搜索， 提高准确度。 构成：使用颜色特征向量的图像信息搜索方法包括以下步骤。 首先，输入质量图像。 将输入图像的颜色信息转换为色调，饱和度和亮度，并对结果进行量化。 然后，将整体图像划分为预定尺寸的子块。 获得分为子块的图像的平均，变异和不对称分布。 获得每个子块的时钟特征向量，并且与分割的子块的数量重复存储颜色特征向量。 所有的颜色特征向量被递送到分类器中并且产生颜色分类代码。 通过使用颜色分类代码将图像与数据库中的图像进行比较，并输出与质量图像相对应的结果图像。